Durante décadas, las empresas han utilizado las 4 P´s para establecer sus estrategias de marketing: producto, precio, comunicación a emitir y lugar donde se iba a comercializar (promotion & placement, respectivamente en inglés). Pero posteriormente Kotler añadió una P de igual valor, las personas.

Una variable que se enfoca al seguimiento y mantenimiento de la relación con los clientes, una vez han realizado la compra. De esta forma, se les informa de las novedades de la marca mediante acciones de email marketing o buzoneo segmentado, por ejemplo, pero lo que es más importante, se abre un canal de comunicación y de valoraciones en el que el cliente asigna una puntuación a su experiencia con la marca, la empresa y el producto o servicio adquirido. Así es como comenzó la carrera por conseguir comentarios y valoraciones, lo que desembocó en el nacimiento de plataformas digitales como Google Reviews, TripAdvisor o Yelp.

Las valoraciones que podemos encontrar en estas apps tienen una gran influencia en la decisión final de compra. Prueba de ello es que, según los resultados de un estudio realizado por Fan & Fuel (2020), el 86% de los consumidores no quiere comprar productos o servicios a empresas con opiniones desfavorables. Además, las estrellas o nota concreta no son suficientes. Los resultados del mismo estudio señalan que los clientes quieren detalles sobre la valoración. Y son éstos los que aportan información a las compañías. Por ejemplo, una puntuación de 7 (en una escala de 0 a 10), puede ser considerada como un valor medio – alto. Pero si analizamos la opinión escrita, es posible que extraigamos información sobre por qué la puntación no ha sido 10: mal servicio en general, mala experiencia, expectativas no cubiertas…

Internet suele ser el soporte en el que se escriben y leen las valoraciones. Y, ¿qué herramientas podemos utilizar para extraer la mayor información posible para mejorar nuestro negocio? Los programas de machine learning y el text mining ya disponen de métodos y algoritmos que permiten analizar los comentarios y convertirlos en conocimiento. Y a este tipo de estudio se le ha denominado análisis de sentimiento (sentiment analysis), pues se centran en determinar el tono emocional que hay detrás de las palabras de un comentario sobre una empresa o sobre sus productos o servicios.

Para analizar el conjunto de palabras de un texto y determinar el estado de la persona que lo ha escrito, se utiliza, entre otras técnicas, el procesamiento del lenguaje natural (PLN), el text mining y el data science. Todo este proceso de extracción de datos, y su posterior análisis, debe realizarse teniendo en cuenta el contexto. De nada sirve descubrir palabras que, a priori, tienen connotaciones desfavorables, si no las ponemos en un contexto de valoración en el que, podría darse el caso, se está utilizando la ironía. Por lo tanto, aparte del análisis de keywords, analizaremos su relación con palabras que tengan que ver con las emociones humanas y la propia semántica.

Desde el punto de vista de marketing, el análisis de sentimiento supone un paso más allá en la estrategia de centricidad de cliente. Como se ha señalado al principio, el papel de las personas en marketing es cada vez mayor y, por lo tanto, las empresas deben interesarse sobre lo que se dice en las redes sociales y otros entornos colaborativos.

En este sentido, los usos que se pueden dar a esta información son muchos, estos son algunos ejemplos:

• Anticiparnos a una crisis de reputación. En base a la escucha activa y al análisis de lo que se dice sobre nuestra marca y/o producto/servicio podemos prever cualquier problema. Por ejemplo, durante el COVID, asistimos a muchos comentarios sobre el greenwashing de algunas marcas. Aquellas que analizaban estos comentarios pudieron explicar con claridad su postura con respecto a la sostenibilidad, medio ambiente y su papel en el ecosistema de economías colaborativas.
•  Analizar el efecto de una campaña. Tras el lanzamiento de una campaña, las redes sociales se llenan de comentarios a favor y en contra. El análisis de sentimiento nos da una serie de pautas sobre cómo se ha percibido y qué cambios se deben realizar, si es que es necesario.
• Identificación de las keywords. Si sabemos que expresiones se utilizan para hablar de la empresa y/o marca, podremos mejorar nuestra estrategia de SEO y SEM.
• Enriquece la información de clientes y leads. De esta forma conseguimos optimizar el uso del CRM y las segmentaciones
•  Mejora la creación de determinados modelos. En modelos de cálculo de creación de buyer persona, o del anti buyer persona, se puede incluir la variable sentimiento
•  Ayuda a mejorar el content marketing de la empresa. Para ello es clave adaptar los contenidos a lo que los clientes esperan de la empresa.
• Análisis de la competencia. Conociendo a nuestra competencia, sabremos qué opinan los clientes sobre ella.